Agent Skills
返回列表
📁

数字资产助手

办公效率 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-02qudk26/alchemy-automation。

技能介绍

痛点:Alchemy 操作自动化的三个实际问题

当你需要通过脚本批量调用 Alchemy 能力时,常会遇到三类麻烦:

  • 参数频繁变动:Alchemy 工具的输入 schema 可能随版本调整,直接写死参数名或字段类型,上线后容易报 invalid argument。
  • 连接状态不透明:不知道当前 Alchemy 连接是 ACTIVE 还是过期,执行到一半才发现鉴权失效,白白浪费一次工作流。
  • 批量任务难编排:单次调用没问题,但要串联多个工具、复用上下文、处理分页时,很容易写出脆弱的胶水代码。

工作原理:先发现工具,再验证连接,最后执行

这个技能把上述问题拆成了一个固定节奏的流程:

  1. 动态发现工具:每次工作流开始都先调用 RUBE_SEARCH_TOOLS,拿到当前可用的工具 slug、输入 schema、推荐执行计划和已知坑点。这样参数永远来自实时查询,而不是硬编码。
  2. 检查连接状态:通过 RUBE_MANAGE_CONNECTIONS 确认 alchemy 工具包的连接是否为 ACTIVE。如果还没激活,会返回授权链接,引导你完成一次性配置。
  3. 结构化执行:用 RUBE_MULTI_EXECUTE_TOOL 执行具体操作,参数里必须带 memory 字段(即使为空对象 {}),并通过 sessionId 在同一个工作流内复用会话。例如批量创建数字资产时,复用 session 可以避免重复初始化。
  4. 处理分页:如果响应里带分页 token,就继续拉取直到数据完整,防止漏掉后半段结果。

注意点与适用边界

  • 永远先搜索:不要凭印象写工具名或参数,schema 会变。
  • 先确认连接:任何执行前都应看到 ACTIVE 状态。
  • 严格遵循 schema:字段名和类型要跟 RUBE_SEARCH_TOOLS 返回的一致。
  • memory 不能省:即使没有额外上下文,也要传空对象。
  • session 生命周期:同一流程内复用,新流程生成新 ID。
  • 它不替代鉴权:连接未完成授权时,工作流跑不起来,需要先点链接完成配置。

使用场景

  • 需要批量调用 Alchemy 工具创建或更新数字资产,并在执行前确认连接状态为 ACTIVE
  • 工具 schema 经常变化,需要在每次工作流开始时搜索最新工具列表和参数结构
  • 需要在一个业务流程里连续执行多个 Alchemy 操作,并复用同一会话 ID 避免重复鉴权
  • 调用返回分页令牌后,需要继续拉取剩余数据,确保批量任务完整获取所有结果

适合人员

  • 后端工程师需要将 Alchemy 自动化能力接入现有服务,并负责工具搜索、连接检查和批量执行
  • 自动化平台开发者需要在 MCP 工作流里编排多个 Alchemy 操作,管理会话复用和分页处理
  • 运维工程师需要在上线前验证 Alchemy 连接状态,并根据返回的授权链接完成配置和测试
  • 技术负责人需要评估工具 schema 变更影响,制定不硬编码工具 slug 的自动化执行规范